投稿到民航资源网

浅谈人工智能时代民航业务改造

 2017-06-09 11:14:55 来源:民航资源网 作者:夏菡  [投稿排行榜]

      你相信宇宙中存在异次空间吗?现在的你,也在这些空间中同时生活着,没有过去和未来,N个当下的你并行存在于宇宙中。我相信。对于我们聪明的人类大脑而言,理解和处理单次元并行问题一向不难。但是,对于连续性问题,特别是正以指数级速度增长的问题,人类大脑的处理能力就非常有限了,而人工智能AI就是可以取代我们人类大脑解决指数增长连续问题的技术工具,至少在现阶段,它仍是工具。

      人工智能AI,即在混沌中发现秩序的能力,是一种递归过程分析法,基于海量数据信息,通过指数级智能计算、发现规律,快速创造出新过程和产品的能力。熵增定律告诉我们,宇宙中的无序性正在增加,而摩尔定律将在2020年正式失效,取而代之的将是加速回报定律,即随着有序性的增加,指数级增长的速度加快,重大事件的时间间隔就会缩短。所以,我们可以预见:人工智能改变人类社会这个大事件正在加速发生,相信不肖10年,AI将遍及各行各业,渗透至经济、社会、人类生活的各个领域,彻底改变我们的生活。

      对于我们与时俱进的民航业,AI技术其实已在此小试牛刀,如我们已将热门的人脸识别技术应用于一些机场的服务终端,相信在不久的将来,这种技术将更加趋于成熟,人脸识别点也将遍及机场各角度。旅客只需在进入机场时刷一次脸,即可在候机楼消费时被多次识别,最终在登机口“刷脸结账”,这种超级智能化体验将很快实现。

      然而,在欣喜和惊艳于AI技术带给旅客智能化体验的同时,我们民航业的从业人士也有些许担心,对于未知和混沌。我们在思考:AI到底会如何改变现有的规则和我们的工作内容?它是否最终将取代人工?我们该如何应对AI时代的各种改变和挑战?笔者认为,AI时代对民航业务流程的改造是一种技术进化的必然,也是每家航司业务发展的必需,与其被动等待,不如现在就准备起来,直面挑战!借此,笔者想围绕人工智能的两大领域:神经网络和进化计算,谈几点思考。

      思考一,关于人工智能的分类进化。科学界普遍认同的人工智能发展的里程碑应是:在完全没有人类干预的情况下,创造出自己的下一代产品。目前AI技术仍处于早期阶段,主要应用于一些限制领域,如人工智能下棋、自动化驾驶等等,即5秒钟可识别的操作领域,我们称之为“弱人工智能”Weak AI。随着技术的日趋成熟,AI将广泛应用于各个领域,具备跨行业学习规划、用自然语言沟通、对存在不确定性的因素进行推理、制定决策的能力,我们称之为“强人工智能”Strong AI,它没有明确的行业界限。SAI进一步发展,将最终进化为“超人工智能”Super Intelligence,它将比世界上最聪明、最有天赋的人脑还聪明。它是完全没有边界的,随着宇宙的混沌性和有序性无限发展和延伸的高级智能“生物”亦或是“机器人”。详见下图。

    人工智能发展历程

      图1:人工智能发展历程


      由图可见,在未来每个领域都会有我们称之为弱人工智能的WAI,之所以弱,是因为基于安全、规则等因素,我们人为对其功能和领域进行了限制,通过人工“训练”它,形成神经网络,在特定领域工作。而强人工智能SAI不是所有WAI的集合,它和WAI有交集,SAI通过对各领域WAI通用功能的广泛整合,发展成为对未知领域、未被“训练”,存在大量不确定性因素进行推论、计算和决策的能力,但它无法取代各领域的WAI,即我们可以有无数个特殊属性和功能的WAI,却真正意义上只有一个具有通用功能的强人工智能SAI。各领域WAI的加总和跨领域的SAI进一步发展,将最终趋近于超级人工智能SI。这个人工智能升级的过程同时存在着混沌和有序性。混沌增加使时间流逝呈N次方减速,而有序性增加,时间流逝将呈N次方加速。所以,人工智能的发展是一种螺旋上升的过程,但从WAI->SAI->SI是一个必经的过程。各行业因为自身属性和特点,人工智能的发展速度各有不同,对民航业而言,制造WAI的三大客观条件:深度学习模型、计算系统、高质量数据,已基本成熟。我们只需要加上三个资源:①一套正确的公式②一套完善的知识体系③计算本身或者数据计算过程,就可以制造出适合自己业务的AI。

      思考二,搭建有民航业务特点的神经网络。制造AI的前期准备,需将自身的复杂业务做切割和细分,直至分解成一个个小问题,使得每一块都有自己的组织秩序即业务流程,即切割单个神经元,由人脑处理完成。然后,基于这份问题大纲,AI的网络神经将以此为基础搭建,再进入内部复制及深度关联。看上去是不是和航线网络布局的搭建有点类似?其实,人工智能的内部神经网络搭建是进化计算的过程,其速度是最强人脑速度的N次方倍。而内部神经元复制和搭建的过程和人类生命基因DNA进化过程类似。在此,以航线网络中最佳收益航线路径的选择为例,引入生命机制计算模型,详见下图。

    生命机制模型计算最优路径

      图2:生命机制模型计算最优路径


      由图可见,一共九个步骤。①梳理切割航线至最小单元,视为单链DNA即数字1-9;②加入生物聚合酶PCR,复制最小航线链单元;③复制完成放入试管,航线链单元间类似于DNA裂变进行内部关联,与人工智能类似;④摧毁不是以起始点X和目的地Y为始末点的航线链,再次加入聚合酶PCR进行二次复制;⑤完成后,删除始发地至目的地之间航线链总数>途径城市总数的航线链;⑥再次加入聚合酶PCR进行第三次复制后,删除不含起始点X的航线链;⑦统计航线链中不含某一个中间城市A/B/C/D的航线链,对他们进行复制;⑧用生物学“电泳”技术,读取最优DNA序列。“电泳”技术即设定最优航线选取规则。所以,人工智能的进化算法和DNA的内部基因复制、重组、再生过程非常相似,可应用于我们的业务流程中。

      思考三、创建神经元,设定“情感阀值”。神经网络搭建过程,我们基本完成了制造人工智能的①定义“输入值”和②“神经网络拓扑结构”两大步骤,接下去我们需③使用样本案例“训练”人工智能,并④运行训练好的神经网络,解决新案例。同时,因为人工智能同时读取正确和错误信息数据,所以,我们需要⑤通过“试错法”在后期完成变量修正,即人工智能设计策略的五步骤,详见下图。

    人工智能设计策略流程图

      图3:人工智能设计策略流程图


      由上图可见,我们需要定义输入数字,确定神经元层数M,每层神经元数量Ni,每个神经元的突破强度和阀值。结合民航业务的属性,很多数据信息的测量和搜集来自于客户感知和满意度等软性指标数据,所以,我们需借助人工智能的情感分析技术,计算出最佳服务体验策略。在民航业务神经网络搭建过程中,情感阀值的设定尤为关键。从客户行为研究的维度看,情感分析主要来自于单个客户,所以,这里重点探讨单神经元阀值中的回弹阀值和重启阀值设定。

      回弹阀值,即服务流程是一个连续的过程且有曲线回弹,但“谷底”不触及零点,如呼叫中心处理多次旅客来电服务流程和内部员工学习曲线流程,详见下图。

    “回弹阀值”业务流程图

      图4:“回弹阀值”业务流程图


      蓝色曲线代表多次来电业务服务流程,旅客的服务需求没有通过当通电话处理解决,服务期望值由起始点逐步下降,但未触及零点。旅客多次来电直至最终问题解决,最后一次服务挽救,服务人员通过超值服务,让其期望反弹至超过预期值。全流程共4次服务挽救,阀值应是服务挽救的总和4。触发此流程的起因一般为非致命性关键错误。情感阀值设定一方面有助于剔除非典型性“错误”服务数据信息,另一方面从成本和流程控制的角度,由于数据总量基数不大,数据精度纯度越高,人工智能计算得到的最优策略越佳。

      回弹阀同时也可应用于其它领域的流程,如员工内部培训的学习流程。由绿色曲线可见,学习曲线在几次波动回弹后,最终向右趋于平缓,即已巩固所学知识。阀值设定取决于学习过程中错误发生率和人脑对知识的记忆值,AI会结合大量数据实践给出最优学习周期。这过程也与AI本身的学习模式类似,在多次案例学习和修正后,AI智能也将趋于稳定,并将其转化为指数级扩张。

      重启阀值,如业务流程是单向封闭的,即每一个波峰至波底(触及零点)是一个业务服务从起始至终结的过程,我们需设定重启阀值。在服务流程中,导致流程重启的是致命性关键错误,所以阀值数据同样来自于旅客感知(如投诉或负面评价)。每次重启也是发现流程缺失点或关键致命错误以改进流程的过程,流程会在多次重启后趋于稳定、可控。而流程改进过程中,让客户参与流程优化和改进也将提升其感知和忠诚度。详见下图。

    “重启阀值”业务流程图

      图5:“重启阀值”业务流程图


      综上可见,未来借助AI强大的进化计算功能,我们将使流程分析和控制的过程化繁为简,例如,以往我们通过相关性分析找到影响客户满意度的致命性关键错误和非致命性关键错误因素,控制指标和流程。现如今AI将直接跳过中间环节,通过服务流程中旅客情感分析和情感阀值的设定,最终运算后给出最优服务策略,放弃对服务过程的控制,直接提升客户体验。

      相对于单层神经元阀值设定,层神经元阀值设定,是一个更复杂和抽象的过程。横向来看,它的情感阀值指服务群体的情感汇总,根据单层整体数据流而设定的情感阀值。涉及到群体情感分析的范畴,需结合具体业务流程、群体所属文化、服务所处环境等因素综合提取信息考量。纵向来看,对民航业务而言,分层应是服务链上多个单独流程的汇总集合,对整个服务体验过程中单个旅客的情感波动数据进行跟踪提取分析,设定的阀值应不局限于服务链上的关键服务流程,需保证信息流数据的传递畅顺,类似于蓄水池中的水量控制,通过控制调节阀,保证每层的水量达到上层且不溢出,下层输出但不过量。与此同时,随着AI技术的不断发展,分层系统的边界越来越模糊,这使得进化算法的灵活性更大。所以,关于层神经元阀值的设定在民航业务领域的应用实践,需结合AI的进阶发展在未来进一步研究探讨。

      人工智能时代真的到来了!现阶段虽然它不会颠覆性地改造民航业,但未来必将引发一场产业升级和流程变革。我们也有理由相信:借助强大的人工智能神经网络和进化计算,在未来,航司将能腾出更多时间和精力,把关注点从航线网络设计、收益管控、运营控制等操作领域,转移到其他核心竞争力培养的领域,如企业战略发展、品牌价值提升和核心文化传播等,而人工智能所取代的多余人力资源也将配置到这些领域。笔者想:或许在那时,我们会有更多的时间来思考:我们是谁,我们和别人有何不同,这些大问题。用人工智能无法模仿的人类智慧来引导企业发展。在物质大同的AI时代,“我思即我在”的哲学定论将被推翻,现实和虚拟已很难辨识,剩下的,唯有“灵魂”不同,我们知道。


      名词注释:

      -熵增定律,又称热力学第二定律。它有一个推论,即在一个封闭的系统当中(其内部实体和力量的相互作用不受外部影响,比如宇宙),无序性(也叫做“熵”)会不断增加。

      -摩尔定律,每隔一年你都能获得两倍于之前运行速度的新集成电路,且价格不变。它用于解释计算的指数级增长。

      -加速回报定律,秩序以指数级速度增加,时间也随之以指数级速度加速,也就是说,随着时间的流逝,发生重大事件的时间间隔也越来越短。

    3荐闻榜

    更多文章和观点请访问夏菡专题

    延伸阅读: 人工智能